标题：基于大数据的ETL中的数据清洗方案研究
作者：周瀚章 冯广 龚旭辉 曾虎 徐启东
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：数据清洗，ETL技术，海量数据
摘要：ETL，又被称为数据仓库技术，是指数据源经过抽取（Extract）、转换（Transform）、加载（Load）的过程。在运用ETL技术的过程中，会产生一些有着错误属性的数据，特别是在大数据时代的背景下，这种错误数据量往往十分庞大，传统的数据清洗方案效果不甚理想。设计一种基于大数据的ETL的高效数据清洗方案，通过对27组数据的清洗，将数据清洗方案与传统数据清洗方案进行对比，实验结果表明：该数据清洗方案能够有效提高数据清洗的效率，并且保持较高的准确性。